Σ-Mem: An Online Reliability Memory for LLM-based Multi-Agent Systems
Σ-Mem：LLM多智能体系统的在线可靠性记忆
🧭 多智体可靠性记忆与自适应协调 ★ 深度解读
Nanyang Technological University
提出在线维护 peer 能力与关系的可靠性记忆，通过残差引导、路由与投票复用，无需重训模型
📌 工作参考价值（4 点）
- 可靠性记忆即服务：可对电商搜索/推荐中的多个 LLM agent（如意图解析、商品理解、排序）分别维护能力矩阵，根据历史正确反馈动态调整其在集成投票或路由中的权重，无需反复微调中心模型。
- 稳定在线更新：使用衰减对称矩阵 + Weyl 不等式保证单事件扰动有界，使长期可靠性能持续累积，避免噪声突发扭转信任。适用于广告竞价策略或推荐多路召回融合中的在线信誉更新。
- 无应答也能路由：直接读取记忆得分 $s_{p,t}= \phi(x_t)^\top M_p \phi(x_t)$ 即可选 peer，决策时不依赖 agent 输出，可复用于多路召回合并前的最优召回器选择，降低中心模型推理成本。
- 关系证据补充：记录 peer 之间的正确性共现关系，可识别共谋偏见或相关性错误，适用于推荐系统多模型融合时判断一致性是否真正可靠。